I3D

将 2D 卷积膨胀到 3D,用于有时序的三维视频理解任务，同时能够复用 2D 卷积的参数以减少训练周期。

同时，当时视频理解数据集规模普遍较小，提出了一个新的大型视频行为识别数据集Kinetics，比 HMDB-51 与 UCF-101高出了两个数量级。

复用2D卷积的参数

I3D 重用在 ImageNet 等 2D 图像数据集上预训练的 2D 卷积参数，从而提高模型的训练速度以及泛化能力。

将一个 $H \times W$ 的2D 卷积的权重复制到 $N \times H \times W$ 的 3D 卷积，首先为了保持权重总和不变，将权重除以深度 $N$ 以归一化，再将归一化后的权重直接复制 $N$ 次拼接。

双流结构

分为两个分支：RGB分支与光流分支，这两个分支独立训练、独立预测，最后将他们的结果取平均值作为整体输出。

模型结构

与其他方法的区别